Der Beitrag Ray verbessert Scheduling mit neuen Label-Selektoren erschien auf BitcoinEthereumNews.com. Terrill Dicki 01.11.2025 13:41 Ray führt Label-Selektoren ein, die die Scheduling-Fähigkeiten für Entwickler verbessern und eine präzisere Platzierung von Workloads auf Knoten ermöglichen. Die Funktion ist eine Zusammenarbeit mit Google Kubernetes Engine. Ray, das verteilte Computing-Framework, hat mit der Veröffentlichung von Label-Selektoren ein bedeutendes Update eingeführt, eine Funktion, die darauf abzielt, die Scheduling-Flexibilität für Entwickler zu verbessern. Diese neue Fähigkeit ermöglicht eine präzisere Platzierung von Workloads auf den entsprechenden Knoten, laut einer kürzlichen Ankündigung von Anyscale. Verbesserung der Workload-Platzierung Die Einführung von Label-Selektoren erfolgt im Rahmen einer Zusammenarbeit mit dem Google Kubernetes Engine-Team. Verfügbar in Ray Version 2.49, ist die neue Funktion über das Ray Dashboard, KubeRay und Anyscales KI-Compute-Plattform integriert. Sie ermöglicht Entwicklern, spezifische Labels zu Knoten in einem Ray-Cluster zuzuweisen, wie cpu-family=intel oder market-type=spot, was den Prozess der Planung von Aufgaben, Akteuren oder Platzierungsgruppen auf bestimmten Knoten vereinfachen kann. Behebung früherer Einschränkungen Zuvor standen Entwickler vor Herausforderungen, wenn sie versuchten, Aufgaben auf bestimmten Knoten zu planen, und griffen oft auf Umgehungslösungen zurück, die Ressourcenmengen mit Platzierungsbeschränkungen vermischten. Die neuen Label-Selektoren beheben diese Einschränkungen, indem sie einen flexibleren Ausdruck von Scheduling-Anforderungen ermöglichen, einschließlich exakter Übereinstimmungen, Any-of-Bedingungen und negativer Übereinstimmungen, wie das Vermeiden von GPU-Knoten oder das Spezifizieren von Regionen wie us-west1-a oder us-west1-b. Integration mit Kubernetes Rays Label-Selektoren lassen sich von Kubernetes-Labels und -Selektoren inspirieren und verbessern die Interoperabilität zwischen den beiden Systemen. Diese Entwicklung ist Teil laufender Bemühungen, Ray enger mit Kubernetes zu integrieren und fortschrittlichere Anwendungsfälle durch vertraute APIs und Semantik zu ermöglichen. Praktische Anwendungen Mit Label-Selektoren können Entwickler verschiedene Scheduling-Ziele erreichen, wie das Pinnen von Aufgaben an bestimmte Knoten, die Auswahl von nur-CPU-Platzierungen, das Anvisieren bestimmter Beschleuniger und das Halten von Workloads innerhalb bestimmter Regionen oder Zonen. Die Funktion unterstützt sowohl statische...Der Beitrag Ray verbessert Scheduling mit neuen Label-Selektoren erschien auf BitcoinEthereumNews.com. Terrill Dicki 01.11.2025 13:41 Ray führt Label-Selektoren ein, die die Scheduling-Fähigkeiten für Entwickler verbessern und eine präzisere Platzierung von Workloads auf Knoten ermöglichen. Die Funktion ist eine Zusammenarbeit mit Google Kubernetes Engine. Ray, das verteilte Computing-Framework, hat mit der Veröffentlichung von Label-Selektoren ein bedeutendes Update eingeführt, eine Funktion, die darauf abzielt, die Scheduling-Flexibilität für Entwickler zu verbessern. Diese neue Fähigkeit ermöglicht eine präzisere Platzierung von Workloads auf den entsprechenden Knoten, laut einer kürzlichen Ankündigung von Anyscale. Verbesserung der Workload-Platzierung Die Einführung von Label-Selektoren erfolgt im Rahmen einer Zusammenarbeit mit dem Google Kubernetes Engine-Team. Verfügbar in Ray Version 2.49, ist die neue Funktion über das Ray Dashboard, KubeRay und Anyscales KI-Compute-Plattform integriert. Sie ermöglicht Entwicklern, spezifische Labels zu Knoten in einem Ray-Cluster zuzuweisen, wie cpu-family=intel oder market-type=spot, was den Prozess der Planung von Aufgaben, Akteuren oder Platzierungsgruppen auf bestimmten Knoten vereinfachen kann. Behebung früherer Einschränkungen Zuvor standen Entwickler vor Herausforderungen, wenn sie versuchten, Aufgaben auf bestimmten Knoten zu planen, und griffen oft auf Umgehungslösungen zurück, die Ressourcenmengen mit Platzierungsbeschränkungen vermischten. Die neuen Label-Selektoren beheben diese Einschränkungen, indem sie einen flexibleren Ausdruck von Scheduling-Anforderungen ermöglichen, einschließlich exakter Übereinstimmungen, Any-of-Bedingungen und negativer Übereinstimmungen, wie das Vermeiden von GPU-Knoten oder das Spezifizieren von Regionen wie us-west1-a oder us-west1-b. Integration mit Kubernetes Rays Label-Selektoren lassen sich von Kubernetes-Labels und -Selektoren inspirieren und verbessern die Interoperabilität zwischen den beiden Systemen. Diese Entwicklung ist Teil laufender Bemühungen, Ray enger mit Kubernetes zu integrieren und fortschrittlichere Anwendungsfälle durch vertraute APIs und Semantik zu ermöglichen. Praktische Anwendungen Mit Label-Selektoren können Entwickler verschiedene Scheduling-Ziele erreichen, wie das Pinnen von Aufgaben an bestimmte Knoten, die Auswahl von nur-CPU-Platzierungen, das Anvisieren bestimmter Beschleuniger und das Halten von Workloads innerhalb bestimmter Regionen oder Zonen. Die Funktion unterstützt sowohl statische...